MétaCan
Menu
Retour à la cohorte
Enregistrement W4224042038 · doi:10.4269/ajtmh.21-1045

Practical Methods to Permit the Analysis of Host Biomarkers in Resource-Limited Settings

2022· article· en· W4224042038 sur OpenAlexafffund
Arjun Chandna, Melissa Richard‐Greenblatt, R. Don Tustin, Sue J. Lee, Kevin C. Kain, Sakib Burza, Yoel Lubell, Paul Turner

Notice bibliographique

RevueAmerican Journal of Tropical Medicine and Hygiene · 2022
Typearticle
Langueen
DomaineMedicine
ThématiqueCOVID-19 Clinical Research Studies
Établissements canadiensToronto General HospitalUniversity of Toronto
Organismes subventionnairesFaculty of Tropical Medicine, Mahidol UniversityCanadian Institutes of Health ResearchUniversity of TorontoUniversity of PennsylvaniaWellcome TrustMahidol University
Mots-clésBiomarkerHost (biology)Limited resourcesResource (disambiguation)MedicineBiomarker discoverySample (material)Computer scienceImmunologyRisk analysis (engineering)BiologyChemistryChromatographyProteomics

Résumé

récupéré en direct d'OpenAlex

Host biomarker testing can be used as an adjunct to the clinical assessment of patients with infections and might be particularly impactful in resource-constrained settings. Research on the merits of this approach at peripheral levels of low- and middle-income country health systems is limited. In part, this is due to resource-intense requirements for sample collection, processing, and storage. We evaluated the stability of 16 endothelial and immune activation biomarkers implicated in the host response to infection stored in venous plasma and dried blood spot specimens at different temperatures for 6 months. We found that -80°C storage offered no clear advantage over -20°C for plasma aliquots, and most biomarkers studied could safely be stored as dried blood spots at refrigeration temperatures (4°C) for up to 3 months. These results identify more practical methods for host biomarker testing in resource-limited environments, which could help facilitate research in rural and remote environments.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,008
score de la tête « metaresearch » (Gemma)0,012
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,013
Score d'incertitude au seuil0,044

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0080,012
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,002
Études des sciences et des technologies0,0010,002
Communication savante0,0020,002
Science ouverte0,0020,002
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0130,006

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,060
Tête enseignante GPT0,476
Écart entre enseignants0,416 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations4
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueAmerican Journal of Tropical Medicine and HygieneMême sujetCOVID-19 Clinical Research StudiesTravaux en français237 207